/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Библиотека
transformers
Опубликована
24 мар 2026

hikmaai-distilbert-pii

Разметка токеновТекст → label8 профессий

Многоязычная модель на базе DistilBERT для обнаружения и классификации персональных данных в тексте.

74скачиваний за 30 дней0лайковвеса обновлены24 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HikmaAI DistilBERT PII NER — модель HikmaAI на базе DistilBERT, дообученная для обнаружения персональных данных в тексте. Она выполняет токенную классификацию с BIO-разметкой и распознаёт 17 типов сущностей, включая имена, фамилии, даты рождения, финансовые и контактные данные. Модель обучена на датасете ai4privacy/pii-masking-400k для английского, итальянского, французского, немецкого, испанского и нидерландского языков; максимальная длина последовательности — 512 токенов.

Модель подходит для локального выявления PII в системах защиты данных и шлюзах безопасности ИИ. Она выделяет фрагменты и типы сущностей, а прикладная система может использовать результаты для подсчёта, маскирования или фильтрации данных. Доступны веса safetensors и формат ONNX; README описывает динамическую INT8-квантизацию для ONNX Runtime. Лицензия — Apache-2.0.

Ограничения: качество для языков, кроме шести языков обучения, не проверено; тексты длиннее 512 токенов нужно делить на фрагменты. Для хорошо структурированных значений, например адресов электронной почты, телефонов и номеров карт, регулярные выражения могут быть эффективнее; INT8-квантизация может немного снизить точность на сложных примерах.

Сценарии применения

  • поиск имён и фамилий в пользовательских сообщениях
  • обнаружение контактных данных в текстах
  • выявление персональных данных перед отправкой запросов в ИИ
  • подготовка текста к маскированию PII
  • локальная проверка текста на утечки персональных данных

Ограничения

Качество для языков, кроме английского, итальянского, французского, немецкого, испанского и нидерландского, не проверено; последовательности длиннее 512 токенов требуют разбиения. Для структурированных значений регулярные выражения могут быть эффективнее, а INT8-квантизация способна немного снизить точность на сложных примерах.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HikmaAI DistilBERT PII NER

A fine-tuned DistilBERT model for Named Entity Recognition (NER) of Personally Identifiable Information (PII) in multilingual text. Trained on 6 languages (English, Italian, French, German, Spanish, Dutch). Detects 17 entity types across personal, financial, and contact information categories.

Model Details

PropertyValue
Base modeldistilbert-base-uncased
TaskToken classification (BIO tagging)
Entity types17 (35 labels: B- and I- for each + O)
Parameters~66M
ONNX INT8 size129 MB
Max sequence length512
Input tensorsinput_ids, attention_mask
Outputlogits shape [batch, seq_len, 35]
LicenseApache 2.0

Entity Types

CategoryEntityLabelExamples
PersonalGiven nameGIVENNAMEJohn, Maria, Ahmed
SurnameSURNAMESmith, Garcia, Chen
Date of birthDATEOFBIRTH1990-01-15, 15/03/1985
UsernameUSERNAMEjohn_doe, user123
PasswordPASSWORDP@ssw0rd!, mySecret
ContactEmailEMAILjohn@example.com
PhoneTELEPHONENUM+1-555-0123, 06 12345678
StreetSTREET123 Main St, Via Roma 42
CityCITYNew York, London, Milano
ZIP codeZIPCODE10001, SW1A 1AA
Building numberBUILDINGNUMApt 4B, Suite 200
FinancialCredit cardCREDITCARDNUMBER4111-1111-1111-1111
Account numberACCOUNTNUMGB29 NWBK 6016 1331 9268 19
Tax numberTAXNUMSSN, TIN, codice fiscale
IdentitySocial securitySOCIALNUM123-45-6789
Driver licenseDRIVERLICENSENUMD1234567
ID cardIDCARDNUMNational ID numbers

Usage

Transformers

from transformers import pipeline

ner = pipeline(
    "ner",
    model="hikmaai-io/hikmaai-distilbert-pii",
    aggregation_strategy="simple"
)

results = ner("Contact John Smith at john@example.com or call +1-555-0123")
for entity in results:
    print(f"{entity['word']:20s} -> {entity['entity_group']:20s} ({entity['score']:.2f})")

ONNX Runtime

import onnxruntime as ort
from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("hikmaai-io/hikmaai-distilbert-pii")
session = ort.InferenceSession("onnx/model_quantized.onnx")

inputs = tokenizer("Contact John Smith at john@example.com", return_tensors="np")
outputs = session.run(None, {
    "input_ids": inputs["input_ids"],
    "attention_mask": inputs["attention_mask"],
})
# outputs[0] shape: [1, seq_len, 35] (logits for 35 BIO labels)

ONNX Runtime (Go)

The model is designed for high-performance inference in Go applications via yalue/onnxruntime_go:

// 2 input tensors: input_ids, attention_mask
// Output: logits [1, seq_len, 35]
// Post-processing: argmax per token -> BIO label -> entity spans

Training

  • Base model: distilbert-base-uncased
  • Dataset: ai4privacy/pii-masking-400k (325K annotated examples, 6 languages: EN 21%, IT 20%, FR 20%, DE 20%, ES 10%, NL 10%)
  • Checkpoints: 15,000 steps
  • Quantization: INT8 dynamic quantization via ONNX Runtime (FP32 also available)

File Structure

├── config.json              # Model configuration
├── model.safetensors        # FP32 weights (PyTorch/safetensors)
├── tokenizer.json           # Fast tokenizer
├── tokenizer_config.json    # Tokenizer configuration
├── onnx/
│   ├── model.onnx           # FP32 ONNX
│   └── model_quantized.onnx # INT8 ONNX (recommended for inference)

Privacy Design

This model is designed for privacy-preserving PII detection in AI security gateways:

  • Detection only: the model identifies entity spans and types. It does not store, transmit, or log the actual PII values
  • Counts, not content: downstream systems receive entity type counts (e.g., {"EMAIL": 2, "PHONE": 1}), never the detected text
  • Local inference: runs entirely on-device via ONNX Runtime, no external API calls
  • Stateless: no request data is retained between inferences

Limitations

  • Trained on 6 languages (EN, IT, FR, DE, ES, NL); performance on other languages is untested
  • Maximum sequence length: 512 tokens (longer texts require chunking)
  • Regex-based PII detection (emails, phone numbers, credit cards) may outperform NER for well-structured patterns; this model adds value for unstructured PII (names, addresses, free-text credentials)
  • INT8 quantization may slightly reduce accuracy on edge cases compared to FP32

Citation

@misc{hikmaai-distilbert-pii,
  author = {HikmaAI},
  title = {HikmaAI DistilBERT PII NER: Fine-tuned model for PII detection in AI security gateways},
  year = {2026},
  url = {https://huggingface.co/hikmaai-io/hikmaai-distilbert-pii}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForTokenClassification
Ревизия весов
da39f51

0 моделей